最適な細動焼灼戦略の獲得に向けた深層強化学習の試み

DOI
  • 富井 直輝
    東京大学大学院 工学系研究科 精密工学専攻
  • 瀬野 宏
    東京大学大学院 工学系研究科 精密工学専攻
  • 山崎 正俊
    東京大学医療福祉工学開発評価研究センター
  • 佐久間 一郎
    東京大学医療福祉工学開発評価研究センター

書誌事項

タイトル別名
  • A Deep Reinforcement Learning Approach to Acquire Optimal Fibrillation Ablation Strategies

抄録

<p>心室細動や心房細動といった頻脈性不整脈では,心臓内に異常で複雑な電気的興奮波が発生する.心室細動は心臓突然死につながる致死性疾患であり,高齢者に有病率の高い心房細動も血栓による脳梗塞リスクを増大させる.これら細動に対して今日,血管を介して心臓内にカテーテルを挿入し,異常興奮箇所を焼灼するアブレーション治療が広く行われているが,特に慢性化した複雑な細動に対しては効果的な焼灼標的は未だ不明であり,術者の経験に基づく様々な焼灼戦略が提唱されているものの,最適な焼灼戦略は確立していない.我々は客観的かつ効果的な細動焼灼戦略の確立に向け,細動中の興奮様態に基づいて最適な焼灼標的を選択する機械学習モデルの構築を試みた.本発表では,2次元の心筋組織の電気的興奮伝搬を数値的に再現する電気生理シミュレーションモデルで細動状態を再現し,各細胞の興奮状態を表す膜電位分布の時系列を手がかりに,組織上の焼灼標的を選択する深層ニューラルネットワークモデルのin silico学習の結果について報告する.</p>

収録刊行物

  • 生体医工学

    生体医工学 Annual59 (Abstract), 147-147, 2021

    公益社団法人 日本生体医工学会

詳細情報 詳細情報について

  • CRID
    1390008290064417280
  • NII論文ID
    130008105096
  • DOI
    10.11239/jsmbe.annual59.147
  • ISSN
    18814379
    1347443X
  • 本文言語コード
    ja
  • データソース種別
    • JaLC
    • CiNii Articles
  • 抄録ライセンスフラグ
    使用不可

問題の指摘

ページトップへ